road-segmentation-adas-0001

ユースケースと概要説明

これは、各ピクセルを BG、道路、縁石、マークの 4 つのクラスに分類するためのセグメント化ネットワークです。

例

仕様

メトリック	値
画像サイズ	896x512
GFlops	4.770
MParams	0.184
ソース・フレームワーク	PyTorch*

精度

クラス分類タスク用に変換された “Mighty AI” データセットの 500 枚の画像で計算された品質指標は次のとおりです:

ラベル	IOU	ACC
平均	0.844	0.899
BG	0.986	0.994
道路	0.954	0.974
縁石	0.727	0.825
マーク	0.707	0.803

• IOU=TP/(TP+FN+FP)

• ACC=TP/GT

• TP - 指定されたクラスの真陽性ピクセルの数

• FN - 指定されたクラスの偽陰性ピクセルの数

• FP - 指定されたクラスの誤検知ピクセルの数

• GT - 指定されたクラスのグラウンド・トゥルース・ピクセルの数

入力

BGR イメージと B, C, H, W 形式の形状 1, 3, 512, 896 を含むブロブです。ここで:

• B – バッチサイズ

• C – チャネル数

• H – 画像の髙さ

• W – 画像の幅

出力

出力は、形状 1, 4, 512, 896、形式 B, C, H, W のブロブです。これは 4 チャネルの特徴マップとして扱うことができ、各チャネルは BG、道路、縁石、マークのいずれかのクラスの確率になります。

デモの使い方

このモデルは、Open Model Zoo が提供する次のデモで使用して、その機能を示します:

• 画像のセグメント化 C++ デモ

• 画像のセグメント化 Python* デモ

法務上の注意書き

* その他の社名、製品名などは、一般に各社の表示、商標または登録商標です。